为了充分应用CoreML，你须要遵守如下请求：

sudo easy_install pip 

3.coremltools：这个包有助于将你的模型大年夜python转换成CoreML能懂得的格局。在终端输入如下代码进行安装：

sudo pip install -U coremltools 

4.Xcode 9：这是用于构建Apple设备上应用法度榜样的默认软件。点此下载。下载Xcode之前，你须要应用Apple ID进行上岸。

上岸之后，你须要验证你的apple ID。你将会收到与注册Apple ID的设备雷同的通知。

当你完成这一步，你将会看到一个下载选项。你可以在那儿下载Xcode。如今，我们建立好了体系，预备好了的话就让我们进入实现部分!

03、案例进修：实现一个iPhone上的垃圾短信分类app

在本次开辟中，我们将侧重于在两个重要门路上来应用CoreML的才能。让我们开端吧!

将你的机械进修模型转换成CoreML格局

CoreML个一一个优势，或者我应当说它的创造者作出的明智的决定是，支撑在sklearn、caffe、xgboost等其他风行框架中练习好的机械进修模型的转换。

数据科学社区并不会不测验测验CoreML试行，因为他们可以在他们最爱好的情况中进行实验、练习他们的模型，然后轻松导入并在iOS/MacOS的app上应用。

下面是即时可用的CoreML支撑的框架：

Mlmodel是什么?

为了使转换过程简单，Apple设计了它本身的开放格局来代表跨框架机械进修模型，即mlmodel。这个模型文件包含了模型各层的描述、输入、输出、类标签、任何须要对数据进行的预处理。它还包含了已进修的参数(权重及误差)。

点击“许可”并输入网站显示的6位暗码。

转换流程如下：

1. 在你最爱好的框架中练习模型
2. 应用python模块coremltools将模型转换为.mlmodel格局
3. 在app中应用模型

换句话说，假如我们有一个耗内存的义务，它涉及文本处理(天然说话处理)，CoreML将主动在CPU运行;而如不雅我们有一个计算沉重的义务，例如图像辨认，它将应用GPU;当app包含这两种功能的时刻，它又会主动切换大年夜而使得两者都获得最大年夜化的应用。

在本次例子中，我们将在sklearn中练习一个垃圾短信分类器，然后将该模型转给CoreML。

关于垃圾短信数据集

2.Python 2.7和pip：点击下载mac上的python。打开终端，输入如下代码安装pip：

SMS垃圾短信数据集 v.1是一个公开的SMS标注短信数据集，用于手机垃圾短信研究。它包含了5574份真实无编码的英文短信，这些短信都标注了合法(做作)或者垃圾短信。

你可以在此下载该数据集。

建立基本模型

我们应用sklearn中的LinearSVC建立基本模型。同时，我们提取短信文本的TF-IDF值作为模型特点。TF-IDF是天然说话处理中的一种办法，它基于独一标识文档的词来分类文档。如不雅你想要进修更多NLP和tf-idf的常识，你可以浏览这篇文┞仿。代码如下：

import numpy as npimport pandas as pd#Reading in and parsing dataraw_data = open('SMSSpamCollection.txt', 'r')sms_data = []for line in raw_data: split_line = line.split("\t") sms_data.append(split_line) 	
			
 2/7   首页 上一页 1 2 3 4 5 6 下一页 尾页
	
			

　　推荐阅读
　　告诉你安全领域 云计算“做得了”和“做不了”的事
            
            如今的┞封个IT时代，有一些用户对于安然问题并不是太关怀，切实其实，安排安然办法并不克不及带来营业的增长，只能是当做对于营业风险的防备，为了防止出问题才必不得已去应用。很多的企>>>详细阅读


本文标题：如何在你的iPhone上建立第一个机器学习模型
地址：http://www.17bianji.com/lsqh/37900.html
 1/2    1